“人類發現地球只是宇宙一員的時候，也是我們距離群星最遙遠的時候。”

這個來自天文領域的喟嘆，今天同樣出現在行業與企業的智能化之路上。在這個時代坐標上，AI大模型技術極速成熟，AIGC和AI Agent等應用受到了各個行業的巨大期待。

但對絕大多數企業而言，AI看似近了，其實卻更遠了。當企業耗巨資去追求大模型開發、自建AI算力、搭建AI平臺等智能化方案，往往會發現其帶來的價值并不明顯，消耗的成本卻難以承擔。

如何解決能看到AI，卻無法獲得智能化價值的時代難題？

華為在這個過程中，又能夠把握怎樣的新戰略機遇？

（華為副董事長、輪值董事長徐直軍）

2024年9月19日，華為全聯接大會2024在上海召開。華為副董事長、輪值董事長徐直軍發表了以《擁抱全面智能化時代》為主題的演講。將這篇演講的內容與當前行業智能化的難題進行對齊，就能發現以上兩個問題的答案。

全面智能化時代與初階智能化階段的區別在于，需要讓AI系統像電力、網絡一樣歸于極簡，歸于用戶價值至上。

而讓復雜的技術重回極簡，正是華為最為擅長的戰略慣性。

對于大多數行業與企業而言，大模型正在讓智能化變得愈發復雜。參數不斷膨脹的模型，成本持續增長的算力，以及不斷疊加的AI系統運維難度，似乎都預示著AI將是一條單行道。最終只有極少部分能夠負擔超大模型、超大算力的企業才擁有智能。

然而從歷史發展的邏輯看，這是絕不可能的。只有絕大多數企業與行業都能從中獲益，技術革命才有成功的可能。

因此，我們必須換一個視角審視AI。在AI本身的技術脈絡之外，還要看到企業對智能化技術的真實適配與需求。一味追求大模型參數與大規模算力可能并不全面，只有實現行業與AI的雙向對馳，才能最終實現智能變革。

以企業智能化為例，徐直軍認為，站在客戶持續成功的立場上，會發現這樣幾個客觀現象：

1.不是每個企業都要建設大規模AI算力。

企業智能化進程中，也伴隨著AI硬件產品快速迭代、AI基礎設施快速升級的客觀情況。這樣一來，企業自建AI算力很容易跟不上發展節奏，從而產生巨大浪費。而且對于企業來說，混合異構的AI算力也會產生巨大的運維成本，往往得不償失。

2.不是每個企業都要訓練自己的基礎大模型。

企業自訓大模型，意味著需要大量的高質量數據以及龐大的AI算力，從而帶來復雜且高昂的綜合成本。加上模型參數擴大，帶來訓練難度的不斷提升，自行訓練模型很可能延誤企業將AI與核心業務結合，造成適得其反的效果。

3.不是所有的應用都要追求“大”模型。

從華為云的產業實踐來看，不同場景的需求可以通過不同參數級別的模型來滿足，而不是一味追求模型的“大”。比如，十億參數模型可以滿足科學計算、預測決策等業務場景的需求；百億參數模型可以滿足知識問答、代碼生成、坐席助手等大量場景的需求；更復雜的NLP、多模態任務，則通過用千億參數模型來完成。

如果說，智能化的初級階段，是向著參數更大、泛化性更強的模型單向發展，那么全面智能化階段，必須考慮用戶與AI的雙向情況。只有每家企業，甚至每個人、每臺設備、每輛車都以最合適自己，最簡單的方法獲得智能化價值，AI才能由遠而近，抵達產業核心。

明確了這個邏輯，我們才能理解華為的戰略機遇何在。

想要實現從單向AI到全面智能化的跨越，有一個不可避免的階段，就是回到極簡。

事實上，信息時代、數字時代，甚至更早的工業革命都會經歷這一過程。產業真正成熟的標志，是將看似極其復雜的技術原理與工程化設計進行封裝，最終讓用戶獲得唾手可得的價值。

比如說，今天企業只需要了解企業網的架設與辦公終端的使用，不必考慮復雜的網絡制式與網絡協議。這就說明原本復雜的企業數據通信，已經實現了極簡的價值回歸。

華為這家公司所擅長的，正是對復雜的技術進行極簡化處理。從交換機、基站，到服務器，甚至終端，華為一以貫之的戰略思維，就是在各個領域尋找將復雜技術進行極簡化變革的機遇，從而確立這一領域的競爭優勢。這也就是大家聽說過的“簡單的留給用戶，復雜的留給自己”。

在AI時代面前，想要再次完成“重回極簡”的目標，華為需要找到一系列戰略接駁點。接駁點之下，華為將復雜的智能化技術封裝完成；接駁點之上，最終用戶可以以最簡單有效的方式獲取智能價值，比如說：

云，是企業與全面智能化的接駁點。

徐直軍認為，對于很多不具備自建AI算力和自訓基礎大模型能力的企業來講，選擇云服務是更為合理的、可持續的選擇。華為云也針對這些挑戰，面向AI，對全棧進行了升級，致力于讓每個企業都能按需、高效地訓練模型和應用模型推理。

為了實現為不同需求、不同類型企業提供智能化價值，華為云在AI算力、AI開發工具、大模型本身等一系列價值上進行了長期建設。算力層面，華為云持續打造了昇騰云服務；AI開發領域，華為云升級了ModelArts服務，支持業界主流基礎大模型開箱即用，并提供一站式模型調優、部署、測評等工具鏈支持；在大模型層面，華為云打造了盤古5.0，支持包括十億級、百億級、千億級在內的全系列模型，為企業提供豐富的模型能力選擇。

鴻蒙原生智能，是終端設備與全面智能化的接駁點。

華為正在基于端、芯、云協同的架構，將AI技術與鴻蒙操作系統深度融合，從而構建以AI為中心的鴻蒙原生智能。通過小藝智能體等應用方式，讓終端設備走向更高水準的智能化。

ADN網絡，是網絡通信與全面智能化的接駁點。

華為在2018年首次提出了將AI用于電信網絡的ADN自動駕駛網絡架構。目前，ADN網絡已經高度融入華為的運營商業務中，同時開始向企業網絡領域演進。

自動駕駛，是汽車與全面智能化的接駁點。

在汽車領域，華為已經基于融合感知技術，打造了可以持續演進的自動駕駛解決方案，實現了主動安全、智能化泊車、車庫到車庫智駕等關鍵場景的突破。這些能力的成熟，為最終實現無人駕駛奠定了基礎。

這些接駁點的背后，展現了華為在AI大勢面前的基礎判斷：只有用戶價值與技術進步的交匯處，才是值得發力的戰略空間。

至此，我們可以回顧一下，什么是華為眼中的全面智能化。它至少包含這樣幾個要素：

1.全方位挖掘行業需求的智能化。

華為并不僅僅專注于大模型，而是專注各個行業、各個領域真實的智能化訴求。比如存、算、網的基礎設施革新；比如企業對大模型、AI開發工具的有效獲取；比如具體行業中的智能化場景落地。只有實用、有效、符合行業需求的智能化，才是全面智能化。

2.全領域實現技術高度成熟的智能化。

相比單一維度的模型變大，算力需求增加，華為更關注技術的成熟性。比如說，汽車里包含多大的模型，手機里有多少AI算力其實無濟于事，只有真正提升駕駛體驗的汽車，真正成為個人助理的手機AI，才是全面智能化的標志物。

3.全維度達成生態合作的智能化。

生態發展一直是華為戰略的重要部分。在智能化戰略的第一周期，華為先后開啟了華為云、昇騰、鯤鵬和鴻蒙生態的構建。接下來，華為也希望通過生態來牽引智能化戰略的發展，為世界計算領域提供第二個選擇，為世界提供第三個移動操作系統。

可以說，在智能化走向極簡，走向易用，走向行業價值與技術價值對馳的必然性下。華為已經掌握了幾個戰略高點，比如云+行業智能化、鴻蒙原生智能、自動駕駛技術等。將這些時代性的機遇放大，將會成為華為接下來的發展重心。

用戶價值的恒定，與AI技術的飛速蛻變，二者交集處是一片無人區，也是一個巨大的機遇窗口。

堅定走向這個窗口，就是華為給全面智能化時代的第一個擁抱。